Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 4 głosach.
Time Series Analysis and Forecasting using Python & R
Ten kolorowy podręcznik zakłada podstawowe zrozumienie statystyki i modelowania matematycznego lub statystycznego.
Chociaż małe doświadczenie w programowaniu byłoby miłe, ale nie jest wymagane. Używamy aktualnych danych ze świata rzeczywistego, takich jak COVID-19, aby zmotywować analizę szeregów czasowych do rozwiązania trzech problemów, które pojawiają się w prawie każdym rozdziale: „Masz mleko? ”, „Masz pracę? „ i „Gdzie jest wołowina? „ Rozdział 1: Ładowanie danych w środowiskach R-Studio i Jupyter Notebook.
Rozdział 2: Składniki szeregu czasowego i dekompozycja Rozdział 3: Średnie kroczące (MA) i COVID-19 Rozdział 4: Proste wygładzanie wykładnicze (SES), podwójne i potrójne wygładzanie wykładnicze Holta i Holta-Wintersa Rozdział 5: Programowanie w języku Python w Jupyter Notebook dla pojęć omówionych w rozdziałach 2, 3 i 4 Rozdział 6: Stacjonarność i różnicowanie, w tym testy pierwiastka jednostkowego. Rozdział 7: Modelowanie ARIMA i SARMIA (sezonowe) oraz opracowywanie prognoz Rozdział 8: Modelowanie ARIMA przy użyciu Pythona Rozdział 9: Modele strukturalne i analiza z wykorzystaniem modeli składowych nieobserwowalnych (UCM) Rozdział 10: Zaawansowana analiza szeregów czasowych, w tym interwencje szeregów czasowych, egzogeniczne regresory i wektorowe procesy autoregresyjne (VAR).
